空间co-location模式代表的是一组空间对象,它们的实例在空间中频繁的关联。空间co-location模式挖掘是空间数据挖掘的一个重要研究方向,在现实生活中有着十分广泛的应用。人们已经在确定及不确定数据上对co-location模式挖掘问题进行了大量研究并获得了很多成果,但在模糊数据上进行的研究几乎没有。模糊数据可以应用于许多领域,比如GIS和生物医学图像数据库。本文研究模糊度阈值范围内模糊对象的co-location模式挖掘问题。首先,介绍了空间co-location模式挖掘的相关概念、性质、相关工作及算法。其次,研究了模糊对象的空间co-location模式挖掘问题。提出了相关定义及算法,包括一个基本算法和四个改进算法,改进算法包括剪枝模糊对象、减少实例间连接、改进剪枝步和基于网格的距离计算,并对算法的时间性能及挖掘结果进行了实验分析。第三,针对模糊对象的空间co-location模式挖掘只能在单一模糊度阈值下进行的问题,论文对模糊度阈值范围内模糊对象的co-location模式挖掘问题进行了研究。提出了相关定义,并在此基础上给出了一个基本算法。为了提高基本算法的挖掘效率,提出了减少挖掘次数和缩小挖掘范围两个改进算法,并用实验比较了基本算法和改进算法的时间性能。第四,将模糊对象的co-location模式挖掘应用于三江并流项目中。第五,对论文的全部内容进行总结并对未来的工作做出展望。